Mapping the intersection of social status and comorbidity in knee osteoarthritis: a WOMAC-based study
Notice bibliographique
Résumé
Abstract Knee osteoarthritis (OA) is a disabling joint condition that leads to extreme mobility and quality of life impairment, particularly among older adults. This study aimed to investigate the socio-demographic factors and comorbid conditions influencing the severity of symptoms of knee OA using the Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC). Data were derived from 622 patients across 9 months from the major healthcare facilities of Dhaka. Age, sex, educational status, obesity, diabetes mellitus, and cardiovascular disease (CVD) were predictors for the severity of symptoms of OA of the knee, the study claimed. Female participants were more prone to have severe symptoms compared to males, and those who were more than 70-years-old were at greater risk of severe symptoms. Low educational status, obesity, diabetes mellitus, and CVD were also predictors for severe OA of the knee. Age (p<0.001), obesity (p<0.001), and diabetes (p<0.001) were the best predictors of severity of symptoms based on the multinomial logistic regression analysis. The findings from the study highlight the complex etiology of OA of the knee and the need for integral healthcare measures that address both the socio-economic and the physical determinants. Focused interventions need to be employed, particularly for high-risk groups such as the elderly, women, and the comorbid, to minimize the incidence of OA of the knee and maximize the outcomes for patients in settings such as that of Bangladesh, where resources may not be available.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».